《写给新手的深度学习——用Python学习神经网络和反向传播》一书以Python为基础，不借助TensorFlow、PyTorch等任何框架，以浅显易懂的语言，结合大量图示，对机器学习、深度学习、AI相关技术中的通用技能进行了解说。主要内容包括深度学习的概念，Python基础，深度学习必备数学知识，神经网络的结构及编程实现，反向传播算法原理，小型深度神经网络的构建，卷积神经网络CNN的原理及编程实现，最后一章对循环神经网络RNN、自然语言处理、强化学习等内容进行了简要介绍。通过本书，读者可以从根本上理解深度学习技术的本质和相关算法原理，能够构建简单的深度学习模型，特别适合作为零基础读者学习深度学习技术的入门书，也适合作为高校人工智能相关专业的教材和参考书。

我妻幸长，一家以“人类与人工智能的共生”为己任的SAI-Lab股份有限公司的代表理事。从事AI相关的教育和研究开发。从东北大学大学院理学研究科结业。理学博士(物理学)。兴趣的对象是人工智能(AI)、复杂系统、脑科学、奇点等。作为编程AI讲师，他在线指导了近3.5万人。在世界最大的教育视频平台Udemy开设了“AI完美大师讲座”、“脑科学与人工智能”、“大家的AI讲座”等课程。作为工程师，他开发了VR、游戏、SNS等各种各样的应用软件。

第1章 何谓深度学习
1.1 什么是智能
1.2 人工智能（AI）
1.3 机器学习
1.4 神经网络
1.5 深度学习概要
1.6 人工智能、深度学习的历史
1.6.1 第1次AI热潮：20世纪50-60年代
1.6.2 第2次AI热潮：20世纪80-90年代中期
1.6.3 第3次AI热潮：2000年至今
第2章 Python概要
2.1 为何要使用Python
2.2 Anaconda、Jupyter Notebook的导入
2.2.1 Anaconda的下载
2.2.2 Anaconda的安装
2.2.3 Jupyter Notebook的启动
2.2.4 Jupyter Notebook的使用
2.2.5 关闭Notebook
2.3 Python的语法
2.3.1 变量与类型
2.3.2 运算符
2.3.3 列表
2.3.4 元组
2.3.5 字典
2.3.6 if语句
2.3.7 for语句
2.3.8 while语句
2.3.9 闭包语法
2.3.10 函数
2.3.11 变量的作用域
2.3.12 类
2.4 NumPy
2.4.1 NumPy的导入
2.4.2 NumPy的数组
2.4.3 各种用于生成数组的函数
2.4.4 使用reshape进行形状变换
2.4.5 数组的运算
2.4.6 广播
2.4.7 对元素的访问
2.4.8 切片
2.4.9 轴与transpose方法
2.4.10 NumPy的函数
2.5 Matplotlib
2.5.1 模块的导入
2.5.2 绘制图表
2.5.3 修饰图表
2.5.4 散点图的显示
2.5.5 图像的显示
第3章 深度学习中必备的数学知识
3.1 关于数学符号
3.1.1 求和符号西格玛（∑）
……
第4章 神经网络
第5章 反向传播
第6章 深度学习的编程实现
第7章 卷积神经网络（CNN）
第8章 深度学习的相关技术
后记
参考文献